智能运维是面向产品全生命周期智能制造的重要组成部分。本书介绍了状态数据预处理、状态特征提取、设备异常检测、设备故障诊断、状态趋势预测、维修规划优化、备件与成本规划、维修车间管理、智能运维系统基础平台、智能运维系统及其应用等内容，为复杂装备制造服务和智能运维提供技术参考。
本书适合高等院校机械工程、智能制造等相关专业的教师及学生阅读，也可供相关领域企业的技术人员参考。

钟诗胜，1964年6月出生，工学博士，哈尔滨工业大学机电工程学院教授、博士生导师，哈尔滨工业大学（威海）常务副校长。主要从事装备智能制造、健康管理等领域的研究。主持过国家自然科学基金重点项目、国家重点研发计划项目和国家“863”计划项目等多个科研项目。研发的“航空发动机健康管理与维修决策支持系统”能够支持大型航空发动机机队的构型管理、状态控制、性能监测、维修计划优化、维修工作范围制定和维修成本管理等发动机工程管理工作，已被国航、山航、川航等多个航空公司上线使用，取得了显著的经济效益和社会效益。发表学术论文280余篇，出版专著2部，获省部级科学技术奖一等奖1项、二等奖2项。

第1章 智能运维概述
1.1 智能运维的主要内容
1.2 制造服务与智能运维
1.2.1 制造服务概述
1.2.2 智能运维在制造服务中的作用
1.3 设备维修策略的主要类型
1.3.1 事后维修策略
1.3.2 定时维修策略
1.3.3 基于状态的维修策略
1.3.4 预测性维修策略
1.4 智能运维的主要关键技术
1.5 本书主要内容
参考文献
第2章 设备状态数据预处理
2.1 状态数据预处理概述
2.2 状态数据的粗大误差去除
2.2.1 粗大误差去除原理及方法分析
2.2.2 粗大误差判别准则及其选择
2.2.3 粗大误差去除应用实例
2.3 状态数据的平滑处理
2.3.1 异常值保护指数平滑法
2.3.2 异常值识别多点移动平均法
2.4 基于连续小波变换模极大曲线的信号突变识别与重构
2.4.1 信号连续小波变换与反演算法
2.4.2 基本小波的选择
2.4.3 边沿效应及伪模极大的处理
2.4.4 信号突变识别与重构应用案例
2.5 基于趋势项提取的状态数据处理方法
2.5.1 奇异值分解降噪及其不足
2.5.2 基于EMD的信号趋势分量提取方法
2.5.3 EMD和SVD相结合的状态数据处理方法
2.5.4 应用案例
2.6 本章小结
参考文献
第3章 状态特征的提取与迁移
3.1 状态特征提取概述
3.2 基于核主元分析的状态特征提取
3.2.1 主元分析的算法与分析
3.2.2 主元中核函数的引入
3.2.3 核主元分析特征提取的形式化描述
3.2.4 核主元分析算法的改进
3.3 基于自动编码器的状态特征提取
3.3.1 自动编码器
3.3.2 去噪自动编码器
3.3.3 稀疏自动编码器
3.3.4 收缩自动编码器
3.4 基于深度学习的状态特征提取
3.4.1 深度学习简介
3.4.2 深度置信网络
3.4.3 堆叠自动编码器
3.4.4 卷积神经网络
3.5 基于深度迁移学习的状态特征迁移
3.5.1 迁移学习简介
3.5.2 DNN的可迁移性
3.5.3 深度迁移学习中的fine-tuning方法
3.5.4 深度迁移学习在民航发动机气路异常检测中的应用
3.6 本章小结
参考文献
第4章 设备状态的异常检测
4.1 异常检测概述
……
第5章 设备的故障诊断
第6章 短期状态趋势预测
第7章 长期状态趋势预测
第8章 设备的短期维修规划
第9章 面向全寿命的设备维修规划
第10章 维修成本与备件需求预测
第11章 车间维修过程管理
第12章 设备智能运维决策系统平台设计与实现
第13章 航空发动机机队智能运维系统及其应用